机器学习中的非平衡分类问题

数据非平衡问题（in-balance）
很多应用中，正负样本是非均衡的，大多数对模型对正负样本比例是敏感的。对训练数据要尽可能的调整至平衡，对分类性能评估也要注意采用特定的方法。

改造分类器的训练数据 —— 过抽样或者欠抽样

具体来说，正负样本失衡的处理方法如下：

• 负样本 >> 正样本，且量都挺大： 对负样本 欠采样undersampling
• 负样本 >> 正样本，量都不大=>
  
  1. 采集更多的数据
  2. 负样本欠采样，正样本过采样oversampling（图像中镜像，旋转等也算）
  3. 修改损失函数，给正样本更大的权重。

代价敏感的学习（cost-sensitive learning）

非均衡分类的性能度量：混淆矩阵，ROC曲线

分类性能度量指标：正确率，召回率及AUC

参考文献
机器学习 非均衡分类问题
机器学习中的非均衡分类问题